人工知能と5G: 新たなデータの世界へ

調査によると、AI デバイスのベンダー中心の展開モデルでは、トラフィックの急激な増加に対応できないことが分かっています。

[[283699]]

今日、通信業界では、エンドユーザーのデータレートをより高速化する必要性を認識しています。以前は、ユーザーは電話やテキストメッセージを通じて通信していました。しかし、モバイル通信は今や人々の生活を劇的に変えつつあります。

人々は、画像ベースや VR/AR ビデオベースのコミュニケーションを好む傾向にあります。したがって、これらの要件を考慮すると、これらのアプリケーションにも新しいタイプのネットワークが必要になります。 360° ビデオ アプリケーションの没入型エクスペリエンスには、大量のデータとゼロ遅延のネットワークが必要です。たとえば、4K テレビと同等の解像度の VR ビデオをスムーズに再生するには 1 Gbps の帯域幅が必要で、インタラクティブな帯域幅には 2.5 Gbps が必要です。どちらも最小 10 ミリ秒の遅延が必要です。これは往復時間です。近い将来、これらのアプリはスマートフォンをターゲットにし、ネットワークにさらに大きな負担をかけることになるでしょう。 VR/AR サービスの人気が高まるにつれ、今後登場する 5G ネットワークが必要な速度とパフォーマンスを提供するようになります。

すべての IoT デバイスはデータを生成し、このデータが AI エンジンの原動力となります。 AI により、人々はデータを使ってより興味深いことを実行できるようになります。膨大な量のデータを処理する最終的な目標は、そのデータを価値に変換する能力です。 5Gの活性化によってもたらされるデータの増加は、人工知能にとって最大のチャンスです。

これまでにない量のデータがネットワークを介して移動され、処理され、場合によっては低遅延を確保するためにローカルにキャッシュされます。超低レイテンシと超高スループットを活用するには、処理をユーザーの近くに移動する必要があります。

5Gが直面するいくつかの課題

5G の導入には課題がないわけではありません。まず、高価であり、これまでにない方法で配布されます。この種のネットワークの構築には多大なコストがかかり、5G ネットワークを効果的に計画、展開、最適化するには場所が重要です。

さらに、5Gミリ波も独自の課題に直面しています。信号をあらゆる方向に送信するのではなく、信号を取得して特定のクライアントに送信できるようにするテクノロジがあります。従来の通信技術は部屋の隅々まで照らすことができる電球のようなものですが、5Gは特定のエリアを照らす懐中電灯のようなものです。

適切な場所を選択することは、5G ネットワークの開発と展開において重要な役割を果たします。したがって、適切な場所に構築され、適切なターゲットに販売されているかどうかを分析する必要があります。ある地域を他の地域よりも選んだ場合、これらのサービスに何人の新規加入者が登録すると予想できますか? 通信事業者は、その地域の人口、建物の構造、信号の受信のしやすさを考慮する必要があります。

さらに、通信事業者は洪水の可能性を理解し、リアルタイムの天気を分析してトラフィックの変化を予測する必要があります。したがって、雷雨が発生した場合は、そのようなイベントがネットワークの需要にどのような影響を与えるかを理解して、予測計算を行う必要があります。人工知能は確かにこれらの出来事を予測するのに役立ちます。

人工知能のチャンスの扉

5G は新たな課題をもたらしますが、AI テクノロジーをネットワークに統合することが、業界がこれらの複雑な問題に対処できる 1 つの方法です。人工知能テクノロジーは、この変化を管理および制御するためにネットワークに適応する必要がある重要なコンポーネントです。AI のもう 1 つの重要な使用例は、ネットワークの計画と運用です。

通信事業者は5G技術を活用し、各移動通信基地局が光ファイバー回線に接続された10万の小型移動通信基地局を構築・運用する。世界中に1,000万の携帯通信基地局を建設する必要があると予測されています。そして、それらの基地局をどのように計画し設計するかを考えることは、人間の能力を超えています。 AI は現場評価を行い、特定の設計のスループットを伝えることができます。

人工知能は、5Gインフラの構築やモバイル通信基地局の設置場所の計画に役立ち、5G基地局の適切な建設場所を決定します。ネットワークの使用状況を継続的に監視します。移動通信基地局の 1 つが正常に機能しなくなった場合、人工知能技術を使用して別の移動通信基地局に引き継ぐよう信号を送ります。

ベンダー中心のデバイスは5Gテクノロジーをサポートできない

5G ネットワークが活性化すると、人々は大量のデータを生成し、取得するようになります。場合によっては、データ トラフィックが 1 日あたりペタバイトに達し、その多くはビデオ ベースのアプリケーションによるものです。ベンダー中心の機器導入モデルでは、トラフィックの急激な増加に対応できません。

処理、コンピューティング、ストレージ、ネットワーク機能が進歩するにつれて、この分野ではオープンソース テクノロジが引き続き登場するでしょう。最終的には、エッジにリアルタイム ネットワークが作成されます。

エッジでより多くのデータを処理する

エッジ コンピューティングとは、コンピューター、サーバー、ネットワークをユーザーに近いネットワークのエッジに配置することを指します。エッジでデータを処理するため、バックボーン ネットワークに流れるトラフィックの量が削減されます。

たとえば、エッジ コンピューティングにより、AI テクノロジーは 0.35 秒以内にオブジェクトを識別できるようになります。一部のベンダーは、エッジでの画像認識のためのディープラーニング アルゴリズムを導入しています。ネットワークのエッジに配置されたアルゴリズムは、バックボーン ネットワークに送信されるトラフィックの量を削減するのに役立ちます。

しかし、これによって新たな攻撃対象領域も生まれ、幸いなことに AI はサイバーセキュリティにおいて非常に優れた役割を果たします。クローズドループ システムは、ネットワークのエッジでデータを収集し、脅威を識別して、リアルタイムで対処します。

エッジコンピューティングとオープンソース

業界のベンダーは、ユーザーが使用できるいくつかの一般的なオープンソース オプションを提供しています。オープンソース エッジ コンピューティングの例としては、Akraino エッジ スタック、Open Network Automation Platform (ONAP)、Airship オープン インフラストラクチャ プロジェクトなどが挙げられます。

Akraino Edge Stack は、高可用性のクラウド コンピューティング サービスをサポートするオープン ソース ソフトウェア スタックを作成します。これらのサービスは、エッジ コンピューティング システムおよびアプリケーション向けに最適化されています。

Akraino R1 リリースには 10 個の「成熟した信頼性の高い」ブループリントが含まれており、エッジ コンピューティングのユース ケースに完全に機能するエッジ スタックを提供します。これらには、産業用 IoT、通信 5G コアおよび vRAN、uCPE、SDWAN、エッジ メディア処理、キャリア エッジ メディア処理が含まれます。

Open Network Automation Platform (ONAP) は、物理および仮想ネットワーク機能のリアルタイムのポリシー駆動型オーケストレーションと自動化のための包括的なプラットフォームを提供します。これは、Linux Foundation が主催するオープン ソース ネットワーキング プロジェクトです。

最後に、Airship オープン インフラストラクチャ プロジェクトは、クラウド コンピューティングの構成と管理を自動化するためのオープン ソース ツールのコレクションです。これらのツールには、仮想マシン用の OpenStack、コンテナ オーケストレーション用の Kubernetes、ベアメタル用の MaaS が含まれ、OpenStack Ironic のサポートも計画されています。